본 연구는 자율긴급제동(autonomous emergency braking) 시스템의 제동거리 계산을 향상시키기 위해 견고한 차량 질량 추정을 예비적으로 조사한다. 선행 연구는 주로 카메라 또는 라이다(lidar)와 같은 컴퓨터 비전 시스템을 사용한 차두거리(headway distance) 추정에 집중해 왔으나, 신뢰할 수 있는 자율긴급제동 시스템에 대한 개선 여지는 상당하다. 본 연구에서는 차량 질량이 제동거리뿐 아니라 차량 속도에도 영향을 미친다는 점에 착안하여, 차량 종방향 동역학을 활용하는 차량 질량 추정의 새로운 접근법을 제안한다. 우리는 확장 칼만 필터(extended Kalman filter)의 능력과 감쇠 인자(fading factor)를 결합한 적응형 확장 칼만 필터를 사용한다. 이 알고리즘은 차량 종방향 속도 및 구동 토크 입력의 측정값을 이용하여 시간에 따라 변하는 차량 질량을 추정하는 것을 목표로 한다. 이후 추정된 차량 질량은 보다 정확한 제동거리 산출을 위한 기반으로 활용된다. 제안된 차량 질량 추정 알고리즘은 MATLAB/SIMULINK를 사용하여 엄밀하게 시뮬레이션되며, 차량 내(in-vehicle) 시험을 수행한다.

본 연구는 전동식 파워 스티어링(EPS) 시스템의 랙 힘 추정에 기반하여 포트홀과 요철과 같은 도로 위험을 탐지하고 분류하기 위한 새로운 전략에 대한 예비 조사 결과를 제시한다. 도로 위험 탐지에 관한 다수의 연구는 주로 카메라 또는 라이다를 포함하는 컴퓨터 비전 시스템, 그리고 현가 시스템에 장착된 가속도계로 측정되는 거리 및 수직 진동 신호에 초점을 맞춰왔다. 그러나 기존 방법들은 도로 표면에서 차량으로 전달되는 진동에 취약하므로 정확도가 저하될 위험이 있다. 따라서 탐지 정확도를 향상시킬 여지가 상당히 남아 있다. 본 연구에서는 포트홀과 요철이 타이어 접촉 패치에 수직 및 횡방향 힘을 유발하여, 그 결과 차량의 조향 랙에 작용하는 순 힘이 발생한다는 점을 고려하고, EPS 시스템에서 생성되는 조향 랙 힘을 활용하는 새로운 접근법을 탐구한다. 본 연구는 기존의 칼만 필터(KF)와 교란 관측기(disturbance observer)의 기능을 결합하되, 미지 입력(unknown input)을 포함한 향상된 칼만 필터를 사용하는 알고리즘을 제안한다. 이 알고리즘은 조향 토크 및 각도 입력의 측정치를 이용하여 랙 힘을 추정하는 것을 목표로 한다. 추정된 랙 힘은 도로 위험을 분류하기 위한 특징(feature)으로 제공된다. 분류 성능은 혼동행렬(confusion matrix)로부터 계산된 정확도(accuracy), 정밀도(precision), 재현율(recall), F1과 같은 지표를 사용하여 평가하였다. 제안된 도로 위험 탐지 및 분류 알고리즘은 SIMULINK®와 CarSim® 소프트웨어를 사용한 엄밀한 시뮬레이션뿐 아니라, 차량 내(in-vehicle) 시험을 통해 실험적으로도 검증되었다.